Le travail se situe un peu à l'écart : ses plus proches voisins s'occupent de prédire la réponse à une perturbation, pas de classer à l'envers. Autour, il existe déjà des cartes allant des perturbations vers l'expression (Perturb-seq, LINCS), des modèles de graphes et des modèles de fondation, ainsi que des ponts intermodaux comme UniPert–G2CP. Mais aucun ne répond à la question de l'intervention : lequel des knockouts catalogués a le plus de chances de provoquer ou d'inverser la transition observée. Pour les perturbations chimiques, la recherche inverse est établie de longue date via Connectivity Map et L1000 ; pour les perturbations génétiques, elle commence seulement à se structurer. RevPert s'installe dans cette niche en proposant une interface unique de classement pour n'importe quel contraste transcriptomique.
RevPert construit une galerie de profils de knockouts (prédits par un modèle linéaire pour Essential, ou moyennés par fold pour LINCS-KO) et les compare à la requête ΔY = YB − YA. On calcule d'abord la corrélation de Pearson signée entre la requête et chaque profil de la galerie. Ensuite, un encodeur commun (perceptron multicouche) comprime les profils par ACP jusqu'à 256 dimensions et fournit une similarité apprise dans un espace normalisé de 128 dimensions. Le score final est une somme pondérée des z-scores de la corrélation et de la similarité apprise, où le poids α est ajusté à l'entraînement. L'entraînement maximise une perte InfoNCE sur tout le catalogue, avec une régularisation douce par le professeur Pearson. Pour les contrastes externes de résistance, la même interface à deux bras est utilisée : le bras A classe selon la phénocopie (concordance de signe), le bras B selon le signe opposé (heuristique d'activation).
Sur Essential Perturb-seq, RevPert a atteint le meilleur rang médian dans les quatre lignées (par exemple HepG2 : 266 contre 572 pour Pearson), en améliorant le Recall@10 d'un facteur 1.5 à 3.4 (HepG2 : 12.5 % contre 3.7 %). Les tests appariés de Wilcoxon ont rejeté l'égalité en faveur de RevPert sur chaque lignée (P < 10⁻¹⁸), et les intervalles bootstrap n'incluaient pas zéro. Sur les dix lignées LINCS-KO, RevPert a affiché des rangs médians moyens de 345 à 560, soit 7 à 15 fois plus bas que ceux du PDGrapher officiel (des milliers). Le Recall@10 s'est établi à 4.14 % contre 2.18 % pour Pearson et 1.64 % pour PDGrapher. Sur les contrastes externes de résistance : pour HCC/sorafénib, AURKA s'est classé 29e au bras B (contre 137e par amplitude de DEG), METTL3 65e au bras A (contre 4040e par DEG). Pour CML/imatinib sur le catalogue GWPS, MYB a pris la 1re place du bras A, STAT5A la 16e du bras B, STAT5B la 27e du bras A, RUNX1 la 18e du bras B, BCR la 34e du bras A, tandis que les rangs par DEG étaient nettement moins bons. L'ablation a montré que la similarité purement apprise améliore l'identité mais fait s'effondrer les ancrages de résistance, alors que la fusion résiduelle préserve les deux.
RevPert se distingue de ses voisins parce qu'il résout la tâche inverse, à savoir classer un catalogue pour une transition observée, au lieu de prédire la réponse à une perturbation donnée. Il teste pour la première fois de façon systématique un usage externe, la nomination de gènes moteurs de la résistance aux médicaments, comme résultat principal et non comme test accessoire. La méthode montre que la géométrie signée de Pearson est indispensable pour préserver des ancrages biologiquement sensés, et qu'une recherche purement par similarité, sans elle, perd le sens de la direction. Cela pose un standard pour les futurs scoreurs inverses : ne pas jeter la corrélation, mais apprendre un résidu par-dessus.
À mesure que les atlas Perturb-seq s'élargissent, la même interface pourra être réentraînée sur des catalogues plus vastes, y compris des lignées spécifiques de tissus, afin d'améliorer le transfert. On peut envisager d'intégrer des encodeurs de graphes ou des modèles de fondation dans la composante résiduelle tout en conservant la galerie linéaire. Pour les applications externes, il faudra des protocoles de validation plus stricts, avec des vérifications expérimentales indépendantes.
La méthode peut accélérer la recherche de gènes candidats moteurs dans les travaux sur la résistance aux médicaments, le vieillissement et la progression du cancer. Elle fournit aussi des listes courtes pour les modèles drug-target et les essais ciblés en laboratoire humide.
L'étape suivante consiste à valider les gènes moteurs nommés dans des expériences indépendantes et à étendre l'approche à d'autres transitions d'état, comme la progression colorectale ou la sénescence. Il vaut aussi la peine d'étudier le transfert de l'encodeur entre contextes, avec des catalogues alignés linéairement.
En génomique, une question reste ouverte : comment passer d'un décalage transcriptomique observé à des gènes causaux, et non simplement à des gènes différentiellement exprimés. RevPert s'attaque directement à ce problème en proposant un classement du catalogue des interventions, mais ne le résout pas entièrement : les rangs restent des hypothèses qui demandent une vérification expérimentale. Le lien avec le problème non résolu de l'identification des régulateurs causaux dans des programmes transcriptomiques complexes est évident.
Souvenez-vous de la façon dont un détective retrouve un criminel grâce à ses empreintes : RevPert fait la même chose, mais au lieu des doigts, ce sont les profils d'expression de milliers de gènes. Et il ne se contente pas de chercher une correspondance : il tient compte du sens du décalage, comme si le détective distinguait celui qui a laissé une trace de celui qui l'a effacée.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.